基于自适应投影矩阵的压缩感知超宽带信道估计

超宽带信号由于功率谱密度较低和传输多径复杂,准确的信道估计十分重要。考虑其过高带宽带来的采样难度较高的问题,压缩感知理论提供了一种可行的低速采样方法。而目前常用的随机投影矩阵与超宽带信道稀疏变换矩阵相关度较高,算法必须在降维比较高时才能达到重构要求,采样速率依然较高。针对上述问题,提出使用贝叶斯压缩感知理论中的自适应投影矩阵设计方法进行超宽带信道估计。贝叶斯压缩感知理论给信道向量中的每个值设置受超参数控制的后验概率密度,计算信道向量的统计特性,并根据协方差矩阵计算新的投影向量,该投影向量可以使重构解的微分熵下降最快。通过这种自适应的投影矩阵设计方法,可以利用较少的采样值进一步地提高重构解的可信度,达到进一步降低采样速率的目的。实验结果表明该方法相对于现有的压缩感知重构算法可以在较低的降维比条件下达到较好的重构效果,显著降低了采样速率。     

改进的基于点过程模型的连续语音关键词识别技术

本文建立了一种基于点过程模型的连续语音关键词识别系统,该模型不同于以往的经典模型,而是将连续语音信号处理成一系列稀疏的音素点集,通过对各音素点集进行建模得到关键词模型与背景模型,再采用滑动搜索的方式来检出关键词。实验结果表明该方法在保证90%以上识别率的同时大大降低了运算复杂度,并且在具有极少量训练样本的情况下依然具有较高的识别率,具有良好的鲁棒性。     

战场电磁环境复杂度定量评估方法研讨

战场电磁环境复杂度的评估,是研究战场电磁环境的最重要、最感兴趣的目标之一。为定量评估战场上电子对抗装备面临的电磁环境状况,构建了复杂度定量评估模型。首先提出了评估指标体系,建立了指标评估模型,再利用模糊层次分析法确定了指标的权重,根据电子对抗装备受电磁环境影响的程度情况,给出了电磁环境复杂度等级的四类划分标准,最后总结给出复杂度评估计算模型。通过实例对模型进行了计算验证。验证结果表明,所建评估模型能够定量反映出战场电磁环境的复杂状况,结果合理,符合实际,具有一定的军事应用价值。     

基于稀疏线性重构的主动学习算法

传统的主动学习算法,或需要随机选择已标注样本为基础,或忽略数据的结构细节,或需要预先设定固定的邻域规模。基于稀疏表示模型和最优实验设计方法,文中提出一种基于稀疏线性重构的主动学习算法。该算法首先用稀疏表示模型获得样本和其它样本之间的稀疏重构模式,接着在保证样本间稀疏重构关系和重构样本精度的目标下选择合适的样本。实验结果表明,基于文中算法挑选样本无需任何先验知识,克服其它方法需固定邻域范围的缺点,样本选择结果与近邻熵方法、转换实验设计、局部线性重构方法相比,可获得更好的分类性能。     

基于分层神经网络的宽频段DOA估计方法

该文提出了一种采用智能识别技术解决宽段来波方位估计的新方法。提取已知来波方位信号的协方差矩阵的上三角部分作为样本特征,然后构建区域估计和方位估计的分层模型,实现对未知来波方位的精确估计。所提出的分层方法降低了模型构造的复杂度,实现了宽频段来波方位估计。给出了应用该方法的具体步骤。仿真实验结果表明,该方法具有很高的测向精度,具有广阔的应用前景。     

超高斯加载的稳健自适应波束形成及性能分析

该文提出了一种超高斯加载的稳健自适应波束形成方法,解决由于导向矢量和样本方差矩阵失配误差所导致的波束形成器性能下降的问题,利用p-范数来对两种误差不确定性进行总体修正,克服了2-范数不能同时兼顾两者实现最优修正的缺点。采用遗传算法求得最优范数p,验证了在不同实验设置下,当使用最优范数时,都比2-范数约束具有更好的性能。超高斯加载方法把复杂的不确定性建模问题转化为范数p的寻优问题,从而获得比对角加载方法更优异的性能。     

一种新的线性系统模型参数估计方法

分析了使用区间分析进行参数估计的原因,由此在未知但有界（UBB）误差假设下,提出了线性系统模型参数估计的区间分析方法,同时,对Matlab区间算法工具箱INTLAB进行了简介,并将INTLAB应用于使用所提算法的算例中。通过数值算例,将此算法与Fogel椭球算法和最小二乘算法进行了比较,算例结果表明了所提算法的有效性和可行性。     

基于自适应遗传算法的电子支援侦察搜索方式设计

电子支援侦察是雷达对抗侦察的重要组成部分,主要借助已有情报信息对高威胁目标进行核实精测,对时效性和精确性具有较高的要求。传统的搜索方式多为周期步进或区间搜索,与电子支援侦察的任务特性和搜索要求并未完全契合,面对不同环境和任务的灵活性较差。文中基于自适应遗传算法对电子支援侦察的搜索方式进行设计:每一条染色体对应一种侦察搜索方式,染色体的基因值和基因位分别对应该时刻侦察系统的侦察区间和侦察系统在不同区间的停留顺序,以截获概率为适应度函数进行染色体的诱导变异,得到的最优染色体即为当前环境和任务下的最佳搜索方式。理论推导和实验仿真验证了该搜索方式的可行性和有效性。     

一种直觉模糊粗糙集属性约简新算法

将信息熵理论与直觉模糊粗糙集结合起来,提出一种基于互信息的直觉模糊粗糙集属性约简新算法.给出了在直觉模糊环境下,基于互信息的属性重要度和属性依赖度的度量准则.本文所提出的算法以属性重要度和依赖度为双重度量标准,采取可增可删的双向回归算法,在保持分类精度不变的情况下,最后得到决策表的最小属性约简.实例表明在多属性的决策表约简中,在本文提出的算法得到的属性约简的基础上而得到的决策规则是较简捷、较完备的.     

随机脉冲干扰对雷达信号分选的影响

验证了k已知条件下K-means聚类分选算法的准确性,并以此建立评估随机脉冲干扰效果的评价标准,通过软件仿真,得出影响干扰效果的随机脉冲参数规律,为工程实现提供了一定的理论依据.